Gaussian Process Regression Applied to VRLA Battery Voltage Prediction in Photovoltaic Off-Grid Systems

  • Iván Sanz Gorrachategui Group of Power Electronics and Microelectronics (GEPM), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza
  • Carlos Bernal Ruiz Group of Power Electronics and Microelectronics (GEPM), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza
  • Antonio Bono Nuez Human OpenWare Research Lab (HOWLab), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza
  • Milutin Pajovic Mitsubishi Electric Research Laboratory (MERL), Boston
  • Gabriel Martínez Ruata Group of Power Electronics and Microelectronics (GEPM), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza

Resumen

This study addresses the use of GPR techniques for VRLA battery voltage prediction purposes in PV off-grid systems. The goal is to know whether the system is able to endure a predictable power consumption pattern without running out of energy. Two approaches are considered: sample based prediction and pattern-based forecasting.

Biografía del autor

Carlos Bernal Ruiz, Group of Power Electronics and Microelectronics (GEPM), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza

 

 
Antonio Bono Nuez, Human OpenWare Research Lab (HOWLab), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza

 

 
Milutin Pajovic, Mitsubishi Electric Research Laboratory (MERL), Boston

 

 
Gabriel Martínez Ruata, Group of Power Electronics and Microelectronics (GEPM), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza

 

 
Publicado
2018-05-25